데이터 마이닝의 분석 방법 & 분석 목적에 따른 작업 유형과 기법

 

데이터 마이닝의 분석 방법

 

Supervised Learning (지도학습)

● 의사결정나무 (Decision Tree)

● 인공신경망 (Artificial Neural Network, ANN)

● 일반화 선형 모형 (Generalized Linear Model, GLM)

● 선형 회귀분석 (Linear Regression Analysis)

● 로지스틱 회귀분석 (Logistic Regression Analysis)

● 사례기반 추론 (Case-Based Reasoning)

● 최근접 이웃 (k-Nearest Neighbor, kNN)

---

Unsupervised Learning (비지도학습)

● OLAP (On-Line Analytical Processing)

● 연관성 규칙 (Association Rule Discovery, Market Basket)

● 군집분석 (k-Means Clustering)

● SOM (Self Organizing Map)

---

 

 

분석 목적에 따른 작업 유형과 기법

판별분석 (Discriminant Analysis)
두 개 이상의 모 집단에서 추출된 표본들이
지니고 있는 정보를 이용하여
이 표본들이 어느 모집단에서 추출된 것인지를
결정해 줄 수 있는 기준을 찾는 분석

 

목적 - 예측 (Predictive Modeling) / 설명 (Descriptive Modeling)

 

작업유형 - 분류 규칙 (Classification) / 연관 규칙 (Association) / 연속 규칙 (Sequence) / 데이터 군집화 (Clustering)

 

설명

 

예측 & 분류 규칙

: 가장 많이 사용되는 작업으로 과거의 데이터로부터 고객특성을 찾아내어 분류모형을 만들어

이를 토대로 새로운 레코드의 결과값을 예측하는 것으로 목표 마켓팅 및 고객 신용평가 모형에 활용됩니다.

 

사용기법 : 회귀분석, 판별분석, 신경망, 의사결정나무

 

설명 & 연관 규칙

: 데이터 안에 존재하는 항목 간의 종속관계를 찾아내는 작업으로, 제품이나 서비스의 교차 판매 (Cross Selling),

매장 진열 (Display), 첨부우편 (Attached Mailings), 사기적발 (Fraud Detection) 등의

다양한 분야에 활용됩니다.

 

사용기법 : 동시발생 매트릭스

 

설명 & 연속 규칙

: 연관 규칙에 시간관련 정보가 포함된 형태로, 고객의 구매이력(History) 속성이 반드시 필요하며,

목표 마켓팅(Target Marketing)이나 일대일 마켓팅(One to One Marketing)에 활용됩니다.

 

사용기법 : 동시발생 매트릭스

 

설명 & 데이터 군집화

: 고객 레코드들을 유사한 특성을 지닌 몇 개의 소그룹으로 분할하는 작업으로 작업의 특성이 분류규칙과

유사하나 분석대상 데이터에 결과 값이 없으며, 판촉활동이나 이벤트 대상을 선정하는 데 활용됩니다.

 

사용기법 : k-Means Clustering